Австралийского геймера арестовали за 3D-печатное оружие
Полиция австралийского штата Новый Южный Уэльс арестовала в Сиднее 27-летнего мужчину после того, как обнаружила у него дома реплики огнестрельного оружия, среди которых были модели пистолетов, напечатанные на 3D-принтере. Владельцу 3D-печатного оружия угрожает заключение до 14 лет. Пресс-релиз опубликован на сайте полиции штата.
В Австралии очень строгие законы, касающиеся оборота оружия, учету подлежит пневматическое оружие и даже маркеры для пейнтбола. Кроме того, в ноябре 2015 года власти штата Новый Южный Уэльс ввели уголовную ответственность не только за изготовление огнестрельного оружия, но и за хранение чертежей, по которым его можно изготовить, в том числе STL-файлов.
Сотрудники полиции отреагировали на объявление о продаже оружия в соцсетях и 28 февраля провели обыск дома у 27-летнего клиентского менеджера Сунь Сицэня. При обыске было найдено два 3D-принтера, компьютер, а также два пневматических пистолета и четыре реплики короткоствольного оружия, в том числе изготовленные с помощью 3D-печати Sig 250 и два Glock.
На слушании о залоге адвокат Сунь Сицэня заявил, что его клиент просто увлекается видеоиграми, научной фантастикой и полицейскими сериалами. В то же время, сторона обвинения отметила, что это утверждение никаким образом не освобождает обвиняемого от юридической ответственности. Сунь Сицэнь был отпущен под обязательство явки с изъятием паспортов (австралийского и китайского), судебное заседание назначено на апрель. По законам штата Новый Южный Уэльс максимальный срок заключения за незаконное обладание файлами для 3D-печати оружия может достигать 14 лет.
Несмотря на то, что закон был принят два года назад, это первый случай, когда в Австралии полиция кого-то арестовала за файлы для 3D-печати и изготовленные таким образом реплики оружия, отмечает ABC. Стоит отметить, что из опубликованных снимков и предоставленной информации сложно оценить, какое именно количество деталей оружия изготовлено с помощью 3D-печати. Некоторые детали очевидно изготовлены из пластика с помощью 3D-принтера, однако другие детали выглядят как металлические — возможно, речь идет о доработке массово-габаритных макетов с помощью 3D-печатных деталей.
Также не ясно, проводилась ли какая-либо экспертиза по STL-файлам для печати оружия, хранящимся на компьютере, поэтому на данный момент неизвестно, могли ли они действительно использоваться для создания огнестрельного оружия, или речь идет о потенциальном тюремном сроке за изготовление пластиковых пневматических пистолетов (BB Gun).
Он показал лучшее время на трассе, обойдя соперников на полсекунды
Инженеры разработали автопилот для гоночного дрона, управляющий беспилотником на уровне лучших людей-пилотов. Алгоритм под названием Swift, полученный с помощью метода обучения с подкреплением, способен управлять гоночным квадрокоптером, полагаясь только на данные бортовых сенсоров. В реальных полетах на тестовой трассе для дрон-рейсинга Swift смог превзойти трех профессиональных пилотов-чемпионов, выиграв у них 15 гонок из 25 и пройдя трассу с минимальным временем, которое на полсекунды меньше лучшего результата пилота-человека. Статья опубликована в журнале Nature. При поддержке Angie — первого российского веб-сервера Дрон-рейсинг — вид спорта, в котором мультикоптеры на высокой скорости проходят трассу, состоящую из последовательности ворот, через которые нужно пролететь за минимально возможное время. При этом управление происходит от первого лица, с помощью камеры и видеоочков. Современные дроны обладают очень высокой маневренностью и подвижностью: они могут резко менять направление движения, ускоряться, замедляться и совершать перевороты, а во время гонки они разгоняются до скоростей свыше 100 километров в час и подвержены перегрузкам, превышающим их собственный вес в пять раз. Это делает их пилотирование непростой задачей и требует хорошей подготовки и высокой скорости реакции оператора. Инженеры давно работают над созданием автопилота, который мог бы управлять дроном на уровне профессиональных пилотов. Помимо участия в дрон-рейсинге такая способность может пригодиться и в обычной жизни — мультикоптеры обладают невысокой энергоэффективностью, поэтому способность быстро летать и успешно маневрировать в окружении большого числа препятствий напрямую связана с успешностью выполнения задач. Инженеры под руководством Давида Скарамузза (Davide Scaramuzza) из Цюрихского университета уже имеют опыт разработки эффективных алгоритмов управления для дронов. К примеру, ранее они создали автопилот, способный управлять квадрокоптером на скорости от 3 до 7 метров в секунду в лесу между деревьев, полагаясь только на данные с бортовых сенсоров. В своей новой работе инженеры представили алгоритм под названием Swift. Он способен эффективно управлять гоночным квадрокоптером на уровне профессионального пилота дрон-рейсинга. Swift состоит из двух основных модулей: системы восприятия, которая переводит изображение от бортовой камеры дрона и данные от инерционного измерительного блока IMU в низкоразмерное представление, а также системы управления, которая принимает на вход низкоразмерное представление, созданное системой восприятия, и генерирует управляющие команды для электромоторов дрона. В модуль системы восприятия также входит алгоритм, вычисляющий текущее положение дрона в пространстве на основе данных камеры и инерционно-измерительного блока. Эта информация через фильтр Калмана объединяется с данными об относительном положении гоночных ворот, обнаруженных предварительно обученным нейросетевым детектором объектов в видеопотоке, после чего передается на вход системы управления, которая состоит из двух скрытых слоев, по 128 нейронов в каждом. Система управления тренировалась в симуляции с использованием модельно-свободного глубокого обучения с подкреплением. Этот метод обучения использует метод проб и ошибок, чтобы максимизировать величину параметра вознаграждения. В данном случае вознаграждение было максимальным в случае, если дрон следовал в сторону центра ближайших ворот таким образом, чтобы следующие ворота оставались в поле зрения камеры. Чтобы учесть различия между симуляцией и реальной динамикой полета, в процессе обучения информацию симулятора дополнили данными из реального мира, записанными с помощью системы захвата движений. Оценку автопилота провели на трассе для дрон-рейсинга, состоящей из семи ворот, установленных на квадратной площадке с длиной стороны 30 метров. Длина маршрута через все ворота составляла 75 метров. Алгоритм соревновался с тремя профессиональными пилотами Алексом Вановером (Alex Vanover), Томасом Битматтой (Thomas Bitmatta) и Марвином Шэппером (Marvin Schaepper). Все участники использовали гоночные дроны с одинаковыми характеристиками. Перед испытательными соревнованиями у пилотов была неделя для знакомства с трассой. В соревнованиях каждый из пилотов стартовал одновременно с дроном под управлением автопилота. Победителем становился тот, кто быстрее пролетит через все ворота на трассе в правильном порядке три раза. По результатам Swift смог выиграть у своих соперников в совокупности 15 гонок из 25, а также установил рекорд трассы, пролетев ее быстрее на полсекунды, чем остальные участники. https://www.youtube.com/watch?v=fBiataDpGIo&t=1s Инженеры разрабатывают гоночные автопилоты и для автомобилей. Например, инженеры из подразделения искусственного интеллекта компании Sony создали алгоритм автопилота GT Sophy, который с помощью обучения с подкреплением научился проходить за минимальное время трассы в гоночном автосимуляторе Gran Turismo Sport. В настоящих киберспортивных соревнованиях GT Sophy не только показала лучшее время в одиночных заездах, но и смогла победить команду лучших игроков в совместных гонках, набрав больше всего очков.